최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 논문은 비트스트림 상에서 객체 추적을 위해 움직임 벡터 기반 파티클 필터(MVPF)를 제안하며, MVPF는 움직임 벡터를 활용하여 파티클 개수를 유지하면서 정확도를 향상시킨다. 제안하는 시스템은 비트스트림에서 추출한 움직임 벡터 히스토그램을 통해 객체의 상태를 예측하며, 실험 결과 기존 방법 대비 정확도, F-Measure, IOU 측면에서 성능 향상을 보였다.
지능형 영상감시 시스템의 원리 및 응용 =
Tracking with particle filter for high-dimensional observation and state spaces
Integrated tracking, classification, and sensor management : theory and applications
OpenCV 프로그래밍 : 컴퓨터 비전 애플리케이션 구축을 위한
Affine analysis of image sequences
OpenCV 를 활용한 컴퓨터 비전 프로그래밍 : 기본 영상처리부터 고급 컴퓨터 비전까지
Particle image velocimetry
Visual information representation, communication, and image processing
Algorithms, complexity analysis, and VLSI architectures for MPEG-4 motion estimation
컴퓨터 비전과 알고리즘 : OpenCV 알고리즘을 활용한 컴퓨터 비전 프로그래밍
Sequential Monte Carlo methods in practice
Computer vision--ECCV '98 : 5th European Conference on Computer Vision, Freiburg, Germany, June 1998 : proceedings
Computer vision : ACCV 2006 : 7th Asian Conference on Computer Vision, Hyderabad, India, January 13-16, 2006 : proceedings
Qualitative motion understanding
Recent developments in computer vision : Second Asian Conference on Computer Vision, ACCV '95, Singapore, December 5-8, 1995 : invited session papers
Motion estimation algorithms for video compression
Advanced multimedia content processing : First International Conference, AMCP '98, Osaka, Japan, November 9-11 1998 : proceedings
Flow visualization and image analysis
Video coding with superimposed motion-compensated signals : applications to H.264 and beyond
Statistical learning and pattern analysis for image and video processing
방송공학회 논문지
박동민; 이동규; 오승준Journal of Intelligent and Fuzzy Systems
Xiao, J.; Oussalah, M.Journal of the Korea Institute of Information and Communication Engineering
Su-chang Lim; Do-yeon Kim한국차세대컴퓨팅학회 논문지
배창석; Yuk Ying Chung한국전자통신학회 논문지
송종관International Journal of Multimedia and Ubiquitous Engineering
Gamantyo Hendrantoro; Wirawan; Dewa Made WihartaMultimedia Tools and Applications
Wang, F.; Lu, M.Journal of Intelligent & Fuzzy Systems
Mourad Oussalah; Jingjing XiaoProcedia Computer Science
Watanabe, Gaku; Fukui, Shinji; Iwahori, Yuji; Bhuyan, M.K.; Woodham, Robert J.; Adachi, Yoshinori한국지능시스템학회 논문지
박근호; 이준환한국지능시스템학회 논문지
김형복, 고광은, 강진식, 심귀보Expert Systems with Applications
Moghaddasi S.,Faraji N.International Journal of Multimedia and Ubiquitous Engineering
Wang, Y.; Han, Y.; Zhang, D.The Review of scientific instruments
Chen Y; Zhang RH; Shang L; Hu EJournal of Real-Time Image Processing
Varfolomieiev, A.Neurocomputing
Min Pak, J.; Ki Ahn, C.; Hak Mo, Y.; Taeg Lim, M.; Kyou Song, M.한국컴퓨터정보학회논문지
김효연; 김기상; 최형일Journal of Visual Communication and Image Representation
Ye, S.; Liu, C.; Li, Z.; Al-Ahmari, A.한국항공우주학회지
원대희, 성상경, 이영재한국통신학회논문지
고병철, 남재열, 곽준영전선 / 대학원
선형시스템의 최적추정자인 칼만필터를 기본으로 하여 모델의 불확실성을 고려한 적응필터 및 강인필터, 계산량을 줄이기 위한 슈미트필터, 다양한 측정치에 대한 내고장을 높이기 위한 분산필터를 소개한다. 또한 비선형 모델에 대한 확장칼만필터를 기반으로 최근에 많은 연구가 되고 있는 무향 칼만필터 (Unscented Kalman Filter)에 대한 특성을 분석한다. 마지막으로 상태변수가 정규분포를 가지지 않을 때 최적의 필터로 최근에 각광을 받고있는 다양한 입자필터 (Particle Filter)를 소개한다. 수업에서 소개된 필터는 INS/GPS 결합시스템과 레이더 추적문제에 적용한다.전선 / 학사
여러 가지 통계 모형에서 나타나는 함수에 대하여 비모수적 추정 방법을 배우며, 이론적인 측면보다는 주로 방법론 및 그 응용에 초점을 맞춘다. 비모수 방법으로서 커널 추정법, 국소 다항 적합법, 웨이블릿 추정법, 스플라인 추정법 등을 다룬다. 밀도함수, 회귀함수, 생존함수, 분위수함수 등의 추정 방법을 배우며, 분류 및 판별분석, 일반화 선형모형, 중도절단회귀 모형, 비례위험 모형 등에 응용하는 방법을 간략하게 소개한다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 학사
AI를 이용하여 주차장 게이트에서 번호판을 인식후 주차장 게이트를 Open/deny 하는 과정을 구현한다. 자동차 번호판을 인식하기 위해 object-detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 에 사용되는 딥러닝 모델들의 개요에 대해 배우고, GPU 서버를 이용하여 이 과정들을 구현한다.전선 / 대학원
컴퓨터그래픽스 전반에 걸쳐 기본적인 개념들을 설명한다. 컴퓨터 그래픽스의 기본적인 렌더링 파이프라인, 물체들을 표현하는 여러 가지 방법, 빛을 나타내는 방법, 레이트레이싱, 볼륨렌더링 등의 특수한 렌더링 방법, 그림자나 질감을 나타내는 방법에 대해서 개론 형식으로 강의한다.전선 / 학사
본 강좌는 가상현실·증강현실에 대한 주요 이론을 습득하고, 다양한 활용 사례들을 배우며, 실제 실습을 통해 VR/AR 환경을 구축할 수 있도록 한다. VR/AR에 대한 기본적인 지식 습득을 위해 딥러닝을 포함한 캐릭터 애니메이션 개론, 메타버스, 휴먼 팩터, 컴퓨터 그래픽스 이론, 가상현실 관련 소프트웨어 프로그램 실습, 3D 기반 모션캡쳐 등을 다룬다. 강의는 거꾸로 교육(Flipped learning) 방식으로 이루어지며, 3D 제작 플랫폼에 내장된 캐릭터 애니메이션 기본 모듈을 활용한 실습뿐 아니라 실제 VR/AR 기기를 활용한 프로젝트 위주로 진행된다. VR/AR 프로젝트를 바탕으로 과제를 부여하며 수강생은 분야별 모듈을 선택하여 참여하도록 한다. 프로젝트를 주도하고 이에 따른 문제를 해결해가는 과정에서 자기 주도적이고 동료 학습이 가능하도록 한다.전선 / 학사
본 과목은 대용량의 정보를 취합, 규격화하여 정보간의 관계성을 쉽게 파악할 수 있도록 이를 구조화하는 기법을 다룬다. 이와 관련한 각종 개념(semantic web, XML, RDF, SPARQL, OWL 등)을 설명하며, 관련된 최신 연구 동향을 소개한다.전선 / 대학원
본 과정은 인구학 방법론(Demographic Techniques)의 심화 과정으로 인구추계를 위한 출생, 사망, 이동 통계를 구체적으로 다룹니다. 선수과목인 인구학 방법론(Demographic Techniques)을 수강하였을 경우, 더 쉽게 이해할 수 있습니다. 인구추계 결과를 도출하는 것은 물론 추계의 기본 개념을 공공과 시장 영역에서 적용한 사례도 본 과정에서 다룹니다. 인구추계의 대상은 국내(한국)이며, 국내 인구추계에 필요한 출생, 사망, 이동 데이터를 추계에 맞게 가공하는 방법부터 다룹니다. 본 과정에서는 주로 Excel과 R을 함께 사용하여 데이터를 다룰 예정이며, 인구추계의 유용성과 추계 결과를 해석하는 방법을 소개할 예정입니다.전선 / 대학원
인간의 다양한 운동기술을 주의깊게 관찰하고 효과적으로 연구하는 방법뿐만 아니라 이러한 복잡한 기술들을 정성적으로 분석하는 여러 가지 운동역학적 접근 방법에 대해 배운다. 특히, 인간의 효율적인 운동동작 수행을 위한 주요 원리와 함께 각종 운동상해 원인에 대한 규명 및 예방방법, 그리고 더 나아가 운동 기술의 수행력을 최대로 하기 위한 기술개발 등에 대한 내용을 중심으로 구성된다.전선 / 대학원
본 강좌는 학교 내에서 강의 또는 자기학습을 통해 습득한 IoT, 인공지능, 빅데이터 이론 지식을 활용한 실습강좌이다. IoT·인공지능·빅데이터 개론 및 실습을 수강하였거나 이와 동등한 이론 지식과 코딩 능력을 갖춘 대학원생들을 대상으로 IoT, 인공지능, 빅데이터의 지식을 활용한 실습 및 프로젝트를 진행한다. 실제 데이터를 바탕으로 산업과 사회에서 겪는 소프트웨어 문제를 과제로 선정하게 하며 수강생은 이를 코딩을 통해 해결한다. 소프트웨어 문제를 해결해가는 과정에서 자기 주도적이고 동료 학습이 가능하도록 설계한다. 결과물과 협업을 근거로 담당교수가 S/U 학점을 부여한다.전선 / 대학원
본 과목의 목표는, 자유물체도(free body diagram)를 토대로 하였던 학부과정의 동역학적 문제 접근 방식과 비교하여, 좀더 실질적인 문제를 해결할 수 있도록, 일반화 된 좌표계(generalized coordinate system)를 도입하고, 계에 작용하는 힘을 보존력과 비보존력으로 구분하여 보존력 성분에 대해서는 에너지 표현을 사용하여 체계적인 운동방정식을 도출하는데 있다. 이를 위하여, calculus of variation 의 도입과 적용 예를 다루게 되며, Hamilton 의 원리에 대하여 논의한다. 아울러, Kane의 일반화된 좌표계 설정 방법에 대하여 토의한다. 그리고, 동적 해석 대상은 질점, 질점계, 강체 및 연속체로 확장하여 적용 예를 들어본다.전선 / 대학원
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.전선 / 대학원
텐서해석을 도입함으로써 유체 유동에 관한 기본 보존 법칙들로부터 Navier-Stokes방정식을 편리하게 유도한다. 비점성유체 유동에 대한 일반적인 정리들을 학습하고, 비점성유체의 비회전유동(포텐셜 유동)에 대하여 성립하는 Laplace방정식의 선형성에 기반을 둔 중첩의 원리를 적용함으로써 실린더, 타원체, 익형, 다각형 등을 지나는 다양한 2차원 포텐셜 유동 문제 및 구, Rankine 타원체 등을 지나는 다양한 3차원 포텐셜 유동 문제의 해들을 구한다. 이어서 작은 진폭 파의 전파로 인하여 채널 깊이, 중력, 표면장력 등이 표면 또는 계면에 미치는 영향에 대하여 고찰한다. 마지막으로 비점성 압축성 유동에서 음파의 전파, 수직충격, 경사충격을 학습하고, 이를 1차원 유동 및 익형을 지나는 유동 등 다차원 유동의 해석에 확장 적용한다.전선 / 대학원
텐서해석을 도입함으로써 유체 유동에 관한 기본 보존 법칙들로부터 Navier-Stokes방정식을 편리하게 유도한다. 비점성유체 유동에 대한 일반적인 정리들을 학습하고, 비점성유체의 비회전유동(포텐셜 유동)에 대하여 성립하는 Laplace방정식의 선형성에 기반을 둔 중첩의 원리를 적용함으로써 실린더, 타원체, 익형, 다각형 등을 지나는 다양한 2차원 포텐셜 유동 문제 및 구, Rankine 타원체 등을 지나는 다양한 3차원 포텐셜 유동 문제의 해들을 구한다. 이어서 작은 진폭 파의 전파로 인하여 채널 깊이, 중력, 표면장력 등이 표면 또는 계면에 미치는 영향에 대하여 고찰한다. 마지막으로 비점성 압축성 유동에서 음파의 전파, 수직충격, 경사충격을 학습하고, 이를 1차원 유동 및 익형을 지나는 유동 등 다차원 유동의 해석에 확장 적용한다.전선 / 대학원
최근 정보통신기술이 발전하면서 교통분야에서 다양한 데이터가 수집되고 활용된다. 차량과 사람의 위치 데이터, 교통량, 속도, 밀도 등 교통흐름과 관련된 데이터, 대중교통 이용 실태를 확인할 수 있는 교통카드 데이터 등이 대표적이다. 이들은 모두 실시간으로 빠르게 수집되는 만큼 양도 방대하다. 소위 빅데이터의 특징인 Volume (양), Variety (종류), Velocity (속도)의 특징을 모두 가진다. 본 교과목은 교통 분야 빅데이터의 유형을 이해하고 이를 분석하는 것을 목적으로 한다. 이를 위해 우선 빅데이터의 기초와 시각화 방안을 배운다. 이후 인공지능 방법론의 기초를 학습하고 교통 빅데이터를 이용하여 CNN, RNN 분석을 수행해 본다. 아울러 군집분석, 의사결정나무 등 자주 활용되는 데이터 분석기법도 배운다.전선 / 대학원
Spectrometry를 기준으로, 물질을 확인하는 기본적 이론과 구조추정에 있어 실제 응용에 관해 강의한다.(Elemental analyzer, IR, NMR, UV, Mass)전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 대학원
(1) 통계적 변동성을 표현하는 확률 함수의 결정 인자들을 이해하고, (2) 통계적 변동성을 따르는 사건들에 대한 사실적 모사의 반복 작업을 통해 최종 현상을 유추하는 Monte Carlo 방법의 기본 운용 기술을 익힘. 또한, (3) 방사선의 발생과 물질과의 반응에서 나타나는 확률적 선택 현상을 전산 추적하는 scheme을 구성하고 programming 작업을 수행하며, (4) 최종 평가 자료의 분산 범위를 최소화하는 시뮬레이션 최적화 기술을 익힘.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.